Déterminants des prêts non performants dans l'UMOA

See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/351665441
Les Déterminants des Prêts Non Performants du Système Bancaire de l'UMOA
ArticleinAfrican Development Review · May 2021
DOI: 10.1111/1467-8268.12536
CITATIONS
0
READS
103
2 authors:
Tinta A. Almame
Joseph Ki-zerbo University
9 PUBLICATIONS40 CITATIONS
SEE PROFILE
Erdjouman Jean Sanou
Centre d'analyse des politiques économiques et sociales (CAPES)
1 PUBLICATION0 CITATIONS
SEE PROFILE
All content following this page was uploaded by Tinta A. Almame on 14 April 2022.
The user has requested enhancement of the downloaded file.

Afr Dev Rev. 2021;33:276–287.wileyonlinelibrary.com/journal/afdr276
|
© 2021 African Development Bank
Received: 25 August 2020
|
Accepted: 23 April 2021
DOI: 10.1111/1467-8268.12536
ORIGINAL ARTICLE
Les Déterminants des Prêts Non Performants du Système
Bancaire de l'UMOA
Abdoulganiour Almame Tinta
1
|Erdjouman Jean Sanou
2
1
Joseph Ki‐ZERBO University,
Ouagadougou, Burkina Faso
2
Macro‐économiste financier, Directeur,
Département Prospective et Veille
Stratégique, Centre d'Analyse des
Politiques Economiques et Sociales
(CAPES)/Ouagadougou, Présidence
du Faso/Burkina Faso
Correspondence
Abdoulganiour Almame Tinta, Joseph
Ki‐ZERO University, CUPK, 14 BP 74
Ouagadougou 14, Kadiogo.
Email: [email protected]
Résumé
Cette étude examine les facteurs macroéconomiques et spécifiques qui affectent la
qualité du portefeuille de crédit des banques de l'UMOA. L'étude utilise les données
de la Banque mondiale, du Fonds Monétaire International, de Bankscope et les
comptes de résultat et bilan de la Banque Centrale des Etats de l'Afrique de l'Ouest
(BCEAO) et couvrent la période de 2000 à 2019. Régressant un modèle statique (1)
et un modèle dynamique (2) en utilisant respectivement la méthode des effets fixes
et la méthode des moments généralisés d'Arellano–Bover/Blundell–Bond, les ré-
sultats montrent que la croissance économique, le service de la dette payée, la
situation commerciale et les taxes impactent les prêts non performants. L'in-
certitude des politiques a un effet néfaste à court et à long terme sur les prêts non
performants, cependant amorti par la concentration bancaire. Les facteurs ban-
caires tels que la taille et la rentabilité participent à la réduction des prêts non
performants. Cependant le taux d'intérêt, l'inefficience bancaire, le ratio des prêts et
les réserves de provisions pour pertes contribuent à accroitre le volume des prêts
défectueux. L'étude recommande l'amélioration de l'environnement macro-
économique, la culture de la prudence et l'efficience managériale.
1|INTRODUCTION
Le portefeuille des banques de l'Union Monétaire Ouest Africaine (UMOA) est caractérisé par une augmentation des
créances brutes en souffrance. En effet, les créances en souffrances ont augmenté de 1800 milliards de FCFA en 2013 à
2800 milliards de FCFA en 2018 soit une progression de 55,5% (BCEAO, 2019). Cette forte croissance en cinq ans
illustre une fragilité du système bancaire. Sur la même période, le total bilan a augmenté de 20100 milliards de FCFA à
37800 milliards de FCFA
1
soit une hausse de 88%. Une analyse comparative avec le taux de progression des créances en
souffrances montre que l'accroissement du total bilan des banques est insuffisant pour garantir la couverture des prêts
improductifs. Par ailleurs, le volume des crédits octroyés s'élevait à 11200 et 20900 milliards de FCFA, soit une part des
créances en souffrance de 16% et 13% entre 2013 et 2018 contre une moyenne de 6% dans la zone Euro et 2% dans la
NAFTA (North American Free Trade Agreement).
2
Ces créances en souffrance affectent négativement les performances du système bancaire et résultent d'un mauvais
dénouement des crédits octroyés par les banques, faisant de la gestion des prêts non performants (PNP) un problème de
plus en plus important. Dans le système bancaire de la zone UMOA, le défaut de paiement est constaté après un retard
de paiement excédant 90 jours. En 2018, le ratio des provisionnements par rapport aux crédits à risques s'établissait à
180%
3
dans l'UMOA, ce qui soulève des inquiétudes en cas de choc endogène. Parmi les causes des créances impayées,
figurent (i) l'aléa moral et la sélection adverse (Abdou, 2002) auxquels sont exposées les banques dans la distinction
entre les contrats sains et ceux à risques, (ii) les mauvaises anticipations de l'activité économique, les déséquilibres

macroéconomiques et les chocs systémiques perturbant les prévisions des agents (Kjosevski et al., 2019), (iii) l'in-
certitude de la politique économique jugée par Karadima et Louri (2020) comme le facteur amplifiant les prêts non
performants dans la zone euro, (iv) et les phases de transition économique (Nkusu, 2011) où la contraction du secteur
financier entraine la chute des entreprises et des pertes d'emplois rendant impossible les remboursements des créances.
La détention de prêts non performants a des conséquences sur la banque et l'économie. Dans le premier cas, un prêt
non remboursé conduit la banque à constituer des provisions (obligation comptable) et davantage de fonds propres
(obligation réglementaire), ce qui réduit sa capacité à fournir de nouveaux prêts. Lorsque le montant des créances
douteuses est trop élevé, la rentabilité de la banque diminue, ce qui peut entrainer des problèmes de survie économique
et nuire à la confiance accordée par les partenaires financiers. Dans le cas extrême, la conséquence de l'accumulation
des mauvais crédits est la faillite bancaire comme observé avec l'effondrement de plus de 1600 institutions de crédits
aux Etats‐Unis (Martin, 1997) et dans le cas spécifique de l'UEMOA, la disparition de 27 banques et des caisses de
crédit agricole dans les années 1980–1990 (Abdou, 2002).
Dans le second cas, les prêts non remboursés entrainent une contraction de l'activité économique, la hausse de
l'endettement et du service de la dette brute. Toutes les crises économiques majeures, à savoir la grande déflation de 1873, la
dépression des années 1930 et la crise récente de 2008 ont été précédées d'une crise financière. Ainsi, au regard de toutes ses
implications, quels sont les déterminants des prêts non performants des banques de l'UMOA? L'objectif de cet article est
d'identifier et d'analyser les déterminants des PNP. Cette étude contribue à la littérature à plusieurs niveaux. Elle est l'une
des premières dans l'UMOA à analyser les prêts non performants à travers une approche économétrique incluant les
facteurs spécifiques et macroéconomiques. Elle est également la première à mettre en exergue et intégrer l'effet des chocs
systémiques à travers la crise financière de 2008 et des chocs non‐systémiques tels que les conflits, l'instabilité politique ou la
Covid–19 à travers l'indice d'incertitude mondial. En outre, cette étude apporte une lumière quant à l'effet de la con-
centration bancaire sur les prêts non performants dont l'impact dans la littérature reste controversé (Karadima & Louri,
2020; Kjosevski et al., 2019). Les résultats dérivés de cet article permettront aux banques de l'UMOA d'élaborer de meilleurs
politiques visant à atténuer les créances en souffrances, assainir le système financier et donc éviter les crises.
Le reste du travail est articulé comme suit: la Section 2présente la revue de la littérature sur les facteurs déterminants
des prêts non performants, la Section 3décrit la démarche méthodologique et la Section 4présente les principaux
résultats et les éléments de discussions. La Section 5conclut et présente les recommandations de politiques économiques.
2|REVUE DE LA LITTÉRATURE
L'analyse des déterminants des prêts non performants a fait l'objet de plusieurs travaux. Ainsi, les déterminants des
prêts non performants sont attribués soit à l'environnement macroéconomique soit à des facteurs spécifiques aux
banques elles‐mêmes.
2.1 |Les facteurs explicatifs des prêts non performants: les facteurs macroéconomiques
La relation entre l'environnement macroéconomique et la qualité des prêts a été largement étudiée dans la littérature.
Parmi les facteurs macroéconomiques, il s'agit des cycles économiques, le taux de chômage, le taux d'inflation, le taux
d'intérêt réel, la masse monétaire, et le taux de change réel. Analysant les cycles, Jimenez et al. (2013) considèrent que
l'évolution des prêts non performants révèle un comportement cyclique. En phase d'expansion économique, le volume
des prêts non performants est faible et s'explique par le fait que les consommateurs et les entreprises détiennent
suffisamment de revenus et de recettes permettant d'honorer leurs engagements. En revanche, en phase de récession,
les agents économiques détenteurs de crédits bancaires, courent le risque de ne pas honorer leurs dettes et une forte
accumulation des prêts non performants peut conduire à une crise bancaire.
L'impact du taux de chômage sur les prêts non performants est examiné par Su (2002) dans le cas des établisse-
ments bancaires de Hong Kong entre 1995 et 2002, et Louzis et al. (2012) dans le secteur bancaire grec. Utilisant un
panel à effet fixe, ils montrent que la hausse du chômage diminue le revenu des ménages et des entreprises, affectant
négativement la capacité de remboursement de leur dette. La montée des crédits en souffrance dans ces pays est la
conséquence directe de l'ascension du chômage.
Des auteurs comme Nkusu (2011) dans la région de l'Europe Centrale, de l'Est et du Sud‐Est et Kjosevski et al.
(2019) en Macédoine s'interrogent sur le rôle du taux d'inflation en utilisant des régressions panels. A partir de modèles
TINTA AND SANOU
|
277

en panel VAR, les deux premiers soulignent que l'inflation conduit à une érosion de la valeur réelle de remboursement.
En effet, dans l'hypothèse de rigidité des salaires, une inflation élevée gêne la stabilité du système bancaire en
diminuant le revenu réel des ménages. A contrario, les derniers trouvent en Macédoine une corrélation positive entre
l'inflation et la qualité des prêts.
La relation entre le taux d'intérêt réel et les créances douteuses est documentée par Iddrisu et Alagidede (2020)et
Bofondi et Ropele (2011) en Italie. Ces auteurs montrent que la hausse du coût de l'emprunt, la nature des emprunteurs
mesurée par le ratio des créances douteuses précédentes, la faible diversification des économies et les chocs agissent sur
le fardeau de la dette, augmentant les PNP.
2.2 |Les facteurs explicatifs des prêts non performants: les facteurs spécifiques aux
banques
Plusieurs travaux empiriques ont montré que les facteurs microéconomiques propres aux banques tels que la taille de
l'institution, les marges de profit, l'efficacité et l'efficience managériale, la rentabilité, les conditions de crédit, le profil
de risque, et le pouvoir de marché sont des déterminants majeurs des prêts non performants (Louzis et al., 2012;
Olarewaju, 2020).
L'effet de la taille de la banque sur les créances douteuses est analysé par Hu et al. (2006). Selon eux, la relation négative
entre les PNP et la taille des banques s'explique par le fait que les banques de grande taille ont de meilleures stratégies de
gestion des risques. Elles sont plus expérimentées, détiennent un portefeuille de prêts plus important et donc des crédits plus
diversifiés, ce qui diminue les risques et accroit les rendements. En revanche, les petites banques, sont exposées au problème de
sélection adverse en raison du manque de compétences et d'expériences nécessaires pour évaluer efficacement la qualité des
crédits. Utilisant la méthode des moments généralisés sur 110 banques commerciales, Olarewaju (2020)montrequelecoutdu
crédit et l'adéquation du capital influencent lesPNPdanslespaysàrevenuintermédiaire.
Othmani (2020) argumente que l'efficience managériale attribuée à la gestion bancaire, l'incompétence des diri-
geants en matière de contrôle des crédits et des coûts associés constituent un facteur exogène pouvant générer des
dépenses supplémentaires, diminuer la performance et augmenter les risques. En effet, la performance bancaire
mesurée par le ROE (Return On Equity) ou le ROA (Return On Assets) explique le comportement à risque des
gestionnaires car une rentabilité bancaire élevée peut contribuer à renforcer les fonds propres afin que la banque puisse
faire face à des pertes éventuelles. Boudriga et al. (2009) et Podpiera et Weill (2008), sur un échantillon de pays,
examinent les déterminants des prêts non performants et l'impact de l'environnement de supervision. Ils trouvent
qu'une augmentation des provisions pour pertes sur prêts indique une augmentation du risque de crédit.
Les travaux récents de Kjosevski et al. (2019) et Karadima et Louri (2020) intègrent la concentration bancaire et
l'incertitude de la politique économique. En appliquant une cointégration avec l'approche ARDL, Kjosevski et al. (2019)
trouvent que la concentration bancaire n'a pas un effet significatif sur les créances en souffrances en Macédoine.
Alternativement, en utilisant des données de panel regroupant la France, l'Allemagne, l'Italie et l'Espagne, Karadima et
Louri (2020) concluent que la concentration bancaire réduit les prêts non performants et contribue à modérer l'impact
positif de l'incertitude économique sur la propagation des PNP.
3|MÉTHODOLOGIE
3.1 |Présentation du modèle
La littérature récente sur les déterminants des PNP (Boudriga et al., 2009; Dimitrios et al., 2016; Karadima & Louri,
2020; Kjosevski et al., 2019; Laxmi et al., 2018) souligne que les facteurs macroéconomiques et spécifiques aux banques
sont associés aux prêts non performants par un modèle théorique de forme fonctionnelle linéaire. Utilisant des données
agrégées, cette étude adopte une fonction de production Cobb–Douglas. Le modèle théorique de base est présenté
comme suit:
PNP f A S=( ,
)
it it it,.,
Avec A
it.
les facteurs macroéconomiques du pays iau temps t,et
S
it,les facteurs bancaires du pays iau temps t.
278
|
TINTA AND SANOU

Comme argumenté par Bofondi et Ropele (2011), les créances douteuses de la période précédente peuvent con-
tribuer à alourdir l'encours des prêts de la période actuelle pour les particuliers comme pour les entreprises. Ainsi, le
fardeau de la dette passée constitue un indicateur de la qualité de l'emprunteur dans l'octroi de futur prêt. Pour mettre
en exergue cette relation entre la qualité des prêts et la nature des emprunteurs, deux spécifications empiriques seront
considérées dans cette étude à partir du modèle théorique. Le premier modèle économétrique (1) est similaire à celui de
Kjosevski et al. (2019), Dimitrios et al. (2016) et Makri et al. (2014) et repose sur l'hypothèse que la probabilité de défaut
de paiement au cours d'une période n'affecte pas la probabilité de défaut de paiement de la période suivante. Autre-
ment dit, la performance des prêts au cours d'une période n'est pas rattachée à la performance survenue au cours d'une
autre période. Ainsi la spécification du modèle (1) est un panel statique.
Pour identifier la qualité des emprunteurs au sein de l'UMOA et déterminer si les créances douteuses engendrent
un cercle vicieux, un second modèle économétrique (2) est spécifié et incorpore la possibilité que la qualité des prêts au
cours d'une période peut influencer les futurs prêts. Cette seconde spécification tient compte de la formation des
anticipations des agents, la présence d'un effet de mémoire et des délais de réalisation des actions économiques. En
outre, la prise en compte des prêts non performants retardés permet également de s'assurer de la robustesse des
résultats. Ainsi, le second modèle (2) à l'image de Louzis et al. (2012), Messai et Jouini (2013), Ghosh (2015) et Laxmi
et al. (2018) est un panel dynamique qui inclut parmi les variables explicatives les prêts non performants retardés.
Les deux modèles économétriques sont présentés ci‐dessous:
Modèle Statique
PNP ββAβSβDφθ
l
og = + + + + +
it it it tiit ,01
.2,3,
(1)
Modèle Dynamique
PNP βγNPL βAβSβDφθ
l
og = + log + + + + + +
it it it it tiit ,0,−11.2,3,(2)
Avec i=1,…, 8 la dimension pays et t= 2000,…, 2019 la dimension temporelle qui forment les
paramètres du panel,
β
0
la constante, A
it.
le vecteur des 8 variables macroéconomiques
PIB INF DPC REM COV UNEM TAX W
(
, , log , log , log , log , log , )
it it it it it it it it,, ,,, ,, ,,
S
it,le vecteur des 7 variables bancaires
(ROA INT TI INEF PrP RPA
l
og , , , log , log , log
it it it it it it,,, ,, ,
,CBit,),
D
t
est une variable binaire prenant la valeur 0 avant 2008 et
1 après la crise financière mondiale de 2008,
β1
β2
et
β3
les coefficients des deux vecteurs respectifs et la crise financière,
θit,le terme d'erreur,
φ
il'effet spécifique associé aux banques dans chaque pays, NPL
l
og it,−
1
la variable dépendante
retardée.
4|DONNÉES ET DÉFINITION DES VARIABLES
Cette étude analyse le cas de l'Union Monétaire Ouest Africaine (UMOA), composée de huit (8) pays notamment le
Benin, le Burkina Faso, la Côte d'Ivoire, la Guinée Bissau, le Mali, le Niger, le Sénégal et le Togo. Pour chaque pays, les
données sont annuelles et couvrent une période de 20 ans (2000–2019). Les données sur les variables macro-
économiques viennent de la Banque mondiale sauf le service de la dette, les taxes sur les produits qui proviennent du
Fond Monétaire International. L'indice d'incertitude mondial est issu des travaux de Ahir et al. (2018). Les données
relatives aux banques sont obtenues à partir des comptes de résultat et bilan de la Banque centrale des Etats de
l'Afrique de l'Ouest (BCEAO). La concentration bancaire découle de Bankscope. Toutes les variables utilisées dans cette
étude sont calculées par les auteurs à partir des données disponibles. Ainsi, cette étude utilise des données de Panel.
Surlabasedel'éventaildesdéterminantspotentielsdesprêtsnonperformantsfournisparlalittératurerécente(Dimitrios
et al., 2016; Karadima & Louri, 2020; Kjosevski et al., 2019;Laxmietal.,2018;Louzisetal.,2012;Messai&Jouini,2013), 8
variables macroéconomiques, 7 variables spécifiques aux banques et une variable muette sont utilisées (Tableau 1). La variable
muette (D) considère l'effet de choc systémique ou exogène sur la qualité des prêts. Elle prend la valeur 0 avant la crise
financière de 2008, et 1 après la crise financière de 2008 (Kjosevski et al., 2019). Les variables de contrôles macroéconomiques
sont le taux de croissance du produit intérieur brut (PIB), le taux d'inflation (INF), le ratio du service de la dette publique par
tête (DPC), le ratio des transferts de fonds (REM), le taux de couverture (COV), le taux de chômage (UNEM), le ratio des taxes
sur les produits (TAX), et l'indice d'incertitude mondial (W) défini comme la fréquence des incertitudes dans le monde en
prenant en compte les attaques, les chocs économiques, les crises de la dette, les guerres, les élections et les conflits. Calculé par
Ahir et al. (2018), l'indice est une appréciation dans les pays en développement de l'incertitude de la politique économique et la
volatilité des marchés de capitaux. Un indice élevé est associé à une incohérence des réponses de politique, donc une menace
TINTA AND SANOU
|
279